本發(fā)明涉及遙感影像的圖像鑲嵌處理技術(shù)領(lǐng)域，具體為一種正射影像圖像鑲嵌接邊匹配的同名點(diǎn)粗差剔除方法。

背景技術(shù)：

圖像鑲嵌是一種將從真實(shí)世界獲取的圖像序列通過(guò)圖像配準(zhǔn)和融合獲取一副寬視場(chǎng)、高分辨率的全維場(chǎng)景圖像技術(shù)。由于數(shù)字高程模型(Digital Elevation Model,DEM)的誤差、控制資料、點(diǎn)位分布、像點(diǎn)量測(cè)誤差等方面的原因，經(jīng)正射糾正后的影像在鑲嵌的重疊區(qū)域內(nèi)可能存在幾何位置的偏差。如果對(duì)影像幾何位置的偏差不做任何處理，則拼接后的影像會(huì)出現(xiàn)明顯的錯(cuò)位、重影和影像模糊，從而降低鑲嵌影像的精度?；谔卣鞯膱D像鑲嵌方法，一般均要對(duì)圖像進(jìn)行特征提取，提取的特征可以是角點(diǎn)、線段、曲線輪廓等，然后在圖像間建立匹配的特征對(duì)，根據(jù)圖像間的特征對(duì)應(yīng)關(guān)系計(jì)算出變換模型的參數(shù)。

對(duì)于一般的遙感影像，由于攝影幅面大，其圖像特征十分豐富，往往可以得到大量的特征點(diǎn)匹配對(duì)，而圖像間透視變換關(guān)系的計(jì)算，只需要4對(duì)同名點(diǎn)即可完成。因此，可以使用最小二乘法求解，但考慮到匹配得到的同名點(diǎn)中可能存在部分錯(cuò)誤匹配點(diǎn)，直接采用最小二乘法得不到正確的圖像平面間的變換模型參數(shù)。

有鑒于此，特提出本發(fā)明。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題在于克服現(xiàn)有技術(shù)的不足，提供一種正射影像鑲嵌接邊匹配的同名像點(diǎn)粗差剔除方法，該方法對(duì)以鑲嵌線為中心設(shè)定的緩沖區(qū)范圍內(nèi)匹配的同名點(diǎn)進(jìn)行殘差統(tǒng)計(jì)，完成粗差點(diǎn)剔除，保留高精度的同名點(diǎn)。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用技術(shù)方案的基本構(gòu)思是：

一種正射影像鑲嵌接邊匹配的同名點(diǎn)粗差剔除方法，包括：

在待鑲嵌的正射影像的鑲嵌接邊區(qū)域內(nèi)劃定鑲嵌接邊糾正范圍；

在鑲嵌接邊糾正范圍內(nèi)匹配同名點(diǎn)；

對(duì)匹配完成的同名點(diǎn)對(duì)的殘差進(jìn)行計(jì)算；

設(shè)定粗差點(diǎn)剔除規(guī)則，將獲得的同名點(diǎn)對(duì)按照所述粗差點(diǎn)剔除規(guī)則進(jìn)行粗差點(diǎn)剔除。

更進(jìn)一步的，上述正射影像鑲嵌接邊匹配的同名點(diǎn)粗差剔除方法中，所述設(shè)定粗差點(diǎn)剔除規(guī)則包括：統(tǒng)計(jì)同名點(diǎn)殘差值出現(xiàn)的概率，出現(xiàn)概率相對(duì)較小的同名點(diǎn)對(duì)數(shù)之和占總同名點(diǎn)對(duì)數(shù)的比例小于5％的同名點(diǎn)對(duì)是粗差點(diǎn)對(duì)，將所述粗差點(diǎn)對(duì)剔除。

更進(jìn)一步的，上述正射影像鑲嵌接邊匹配的同名點(diǎn)粗差剔除方法中，所述設(shè)定粗差點(diǎn)剔除規(guī)則具體包括：

統(tǒng)計(jì)同名點(diǎn)對(duì)的殘差值，形成數(shù)值區(qū)間的集合；

將所述數(shù)值區(qū)間按照設(shè)定步長(zhǎng)等分成若干子區(qū)間；

統(tǒng)計(jì)每個(gè)子區(qū)間內(nèi)包含的殘差值個(gè)數(shù)；

按照殘差值個(gè)數(shù)的多少，將子區(qū)間從小到大排序并編號(hào)；

根據(jù)：計(jì)算，將該些子區(qū)間中的同名點(diǎn)對(duì)剔除，剩余同名點(diǎn)對(duì)參與計(jì)算變換模型參數(shù)。

更進(jìn)一步的，上述正射影像鑲嵌接邊匹配的同名點(diǎn)粗差剔除方法中，所述對(duì)匹配完成的同名點(diǎn)對(duì)的殘差進(jìn)行計(jì)算具體包括：

對(duì)于鑲嵌接邊區(qū)域內(nèi)位于鑲嵌線左側(cè)正射影像上緩沖區(qū)內(nèi)的任意一點(diǎn)地理坐標(biāo)P1(X₁，Y₁)，對(duì)應(yīng)右側(cè)正射影像的同名點(diǎn)地理坐標(biāo)P1′’(X₁′,Y₁′)，則(ΔX，ΔY)為兩同名點(diǎn)地理坐標(biāo)差，有：

ΔX＝X₁－X₁′，

ΔY＝Y(jié)₁－Y₁′，

其中ΔX表示影像中該P(yáng)1點(diǎn)X方向地理坐標(biāo)差值，ΔY表示影像中該點(diǎn)Y方向地理坐標(biāo)差值；ΔXY表示兩同名點(diǎn)構(gòu)成的同名點(diǎn)對(duì)的殘差值。

更進(jìn)一步的，上述正射影像鑲嵌接邊匹配的同名點(diǎn)粗差剔除方法中，將所述數(shù)值區(qū)間按照設(shè)定步長(zhǎng)等分成若干子區(qū)間具體包括：設(shè)定步長(zhǎng)λ，統(tǒng)計(jì)ΔXY值種類數(shù)n；n為ΔXY最大值與ΔXY最小值之差與步長(zhǎng)λ的比值，即

更進(jìn)一步的，上述正射影像鑲嵌接邊匹配的同名點(diǎn)粗差剔除方法中，所述統(tǒng)計(jì)每個(gè)子區(qū)間內(nèi)包含的殘差值個(gè)數(shù)具體包括：

統(tǒng)計(jì)每一種類中的ΔXY值的數(shù)量值m，依次為m₁，m₂，……m_k(k＝1，2，……n)，式中m_k是第k種殘差值ΔXY的個(gè)數(shù)。

更進(jìn)一步的，上述正射影像鑲嵌接邊匹配的同名點(diǎn)粗差剔除方法中，按照殘差值個(gè)數(shù)的多少，將子區(qū)間從小到大排序并編號(hào)具體包括：

統(tǒng)計(jì)各ΔXY值種類對(duì)應(yīng)的m值并按照從小到大的順序進(jìn)行排序，然后依次編號(hào)為j₁，j₂，……，j_k(k＝1,2,……,n)。

更進(jìn)一步的，上述正射影像鑲嵌接邊匹配的同名點(diǎn)粗差剔除方法中，所述根據(jù)：計(jì)算，將該些子區(qū)間中的同名點(diǎn)對(duì)剔除，具體包括：

由各ΔXY值種類對(duì)應(yīng)的m值得到的排序中，根據(jù)式

其中j_i是編號(hào)j_i對(duì)應(yīng)的m的值，i＝1,2,……,n；

剔除編號(hào)j₁，j₂，……，j_i對(duì)應(yīng)的ΔXY值的同名點(diǎn)對(duì)。

更進(jìn)一步的，上述正射影像鑲嵌接邊匹配的同名點(diǎn)粗差剔除方法中，所述在待鑲嵌的正射影像的鑲嵌接邊區(qū)域內(nèi)劃定鑲嵌接邊糾正范圍，包括：獲取左右兩幅正射影像重疊子區(qū)域范圍，以兩幅正射影像的鑲嵌線為中心，根據(jù)設(shè)定的羽化距離指定緩沖區(qū)范圍。

更進(jìn)一步的，上述正射影像鑲嵌接邊匹配的同名點(diǎn)粗差剔除方法中，所述在鑲嵌接邊糾正范圍內(nèi)匹配同名點(diǎn)，包括：對(duì)重疊緩沖區(qū)范圍進(jìn)行特征點(diǎn)提取和匹配，輸出同名點(diǎn)信息。

采用上述技術(shù)方案后，本發(fā)明與現(xiàn)有技術(shù)相比具有以下有益效果：

本發(fā)明在距離鑲嵌線一定范圍內(nèi)達(dá)到剔除粗差點(diǎn)、獲得精確匹配點(diǎn)子集的目的，然后利用這些精確匹配的點(diǎn)集來(lái)計(jì)算變換模型參數(shù)，從而實(shí)現(xiàn)圖像的正確鑲嵌。該方法有效提高兩幅相鄰影像的接邊精度，同時(shí)又可以保證大區(qū)域鑲嵌影像整體的幾何精度。

附圖說(shuō)明

圖1是本發(fā)明一種正射影像鑲嵌接邊匹配的同名像點(diǎn)粗差剔除方法的流程框圖；

圖2a是本發(fā)明中兩幅待鑲嵌正射影像的鑲嵌接邊區(qū)域示意圖；

圖2b是本發(fā)明中兩幅待鑲嵌正射影像的鑲嵌接邊區(qū)域中鑲嵌線、鑲嵌接邊區(qū)域緩沖區(qū)范圍、同名像點(diǎn)位置等示意圖；

圖3是本發(fā)明提供的四種同名點(diǎn)殘差值數(shù)量統(tǒng)計(jì)曲線示意圖；

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例，對(duì)本發(fā)明作進(jìn)一步說(shuō)明，以助于理解本發(fā)明的內(nèi)容。

為了對(duì)本發(fā)明技術(shù)方案更清楚、完整的說(shuō)明，首先介紹一下本技術(shù)方案涉及的一些概念：對(duì)于兩張待鑲嵌的正射影像來(lái)說(shuō)，其鑲嵌接邊區(qū)域是指這兩張相鄰影像的地理位置相重合的區(qū)域，如圖2a中填充區(qū)域C；在重疊區(qū)內(nèi)選擇一條連接兩邊影像的拼接線進(jìn)行拼接使形成的新影像渾然一體，則該拼接線為鑲嵌線；鑲嵌線的選取原則是盡量使鑲嵌線位于兩幅待鑲嵌影像的中心；接邊區(qū)域內(nèi)指定的緩沖區(qū)范圍定義為距離鑲嵌線一定距離的區(qū)域，如圖2b中兩虛線之間的區(qū)域所示；其中P1與P1′、P2與P2′、P3與P3′、P4與P4′分別是4對(duì)同名點(diǎn)對(duì)。

本發(fā)明正射影像鑲嵌接邊匹配的同名像點(diǎn)粗差剔除方法是在兩幅影像的鑲嵌線已經(jīng)確定、同名點(diǎn)已匹配獲得的情況下進(jìn)行的研究，旨在討論一種新的同名像點(diǎn)粗差剔除方法，因此對(duì)于如何確定影像鑲嵌線以及初始匹配同名點(diǎn)的方法在此不再贅述。

文中出現(xiàn)的“左”、“右”是按照兩幅待鑲嵌影像相對(duì)于鑲嵌線的位置來(lái)說(shuō)的，如果兩幅待鑲嵌影像中的一個(gè)影像位置規(guī)定為“左”，則另一個(gè)影像位置為“右”。

如圖1所示，一種正射影像鑲嵌接邊匹配的同名像點(diǎn)粗差剔除方法，包括以下步驟：

S1.劃定鑲嵌接邊糾正范圍

獲取左右兩幅正射影像重疊子區(qū)域范圍，以兩幅正射影像的鑲嵌線為中心，在接邊區(qū)域C內(nèi)指定緩沖區(qū)范圍(以影像像元個(gè)數(shù)為單位)作為劃定的鑲嵌接邊糾正范圍，如圖2b中兩虛線之間的區(qū)域所示；指定的緩沖區(qū)范圍定義為與鑲嵌線垂直距離為一定距離的區(qū)域，該一定距離為設(shè)定的羽化距離。

S2.在鑲嵌接邊區(qū)域內(nèi)匹配同名點(diǎn)

對(duì)該重疊緩沖區(qū)范圍進(jìn)行特征點(diǎn)提取和匹配，輸出同名點(diǎn)信息。攝影測(cè)量里的同名點(diǎn)就是地面上同一點(diǎn)在不用影像上的像點(diǎn)。

S3.對(duì)匹配完成的同名點(diǎn)對(duì)的殘差進(jìn)行計(jì)算

對(duì)于鑲嵌線左側(cè)正射影像上緩沖區(qū)內(nèi)的任意一點(diǎn)地理坐標(biāo)P1(X₁，Y₁)，對(duì)應(yīng)右側(cè)正射影像的同名點(diǎn)地理坐標(biāo)P1′(X₁′,Y₁′)，(ΔX，ΔY)為兩同名點(diǎn)地理坐標(biāo)差，有：

ΔX＝X₁－X₁′，

ΔY＝Y(jié)₁－Y₁′，

其中ΔX表示影像中該P(yáng)1點(diǎn)X方向地理坐標(biāo)差值(X方向殘差)，ΔY表示影像中該點(diǎn)Y方向地理坐標(biāo)差值(Y方向殘差)；ΔXY表示影像上重疊區(qū)域(鑲嵌接邊區(qū)域)內(nèi)的兩同名點(diǎn)(下稱同名點(diǎn)對(duì))殘差值。

S4.設(shè)定粗差點(diǎn)剔除規(guī)則，剔除粗差點(diǎn)

由于各種誤差累積(如采集的DEM存在誤差、航空底片變形改正后殘余誤差等)，使得幾何校正后的相鄰正射影像在鑲嵌時(shí)存在接邊錯(cuò)位和扭曲，尤其是航片，錯(cuò)位的同名點(diǎn)誤差離散不一致，不存在系統(tǒng)的規(guī)律性，導(dǎo)致粗差點(diǎn)剔除困難。本發(fā)明方法中設(shè)定粗差點(diǎn)剔除規(guī)則具體包括：

(1)首先統(tǒng)計(jì)ΔXY值的數(shù)量(同名點(diǎn)對(duì)殘差值的數(shù)量)，并按照數(shù)量多少繪制曲線，圖3a、3b、3c、3d中給出了4種統(tǒng)計(jì)情況曲線；

統(tǒng)計(jì)同名點(diǎn)對(duì)的ΔXY值，將ΔXY值按照從小到大的順序進(jìn)行排序，形成ΔXY值的數(shù)值區(qū)間的集合；將所述數(shù)值區(qū)間按照設(shè)定步長(zhǎng)等分成若干子區(qū)間；包括：

設(shè)定步長(zhǎng)λ，統(tǒng)計(jì)ΔXY值種類數(shù)n；n為ΔXY最大值與ΔXY最小值之差與步長(zhǎng)λ比值，即

其中，步長(zhǎng)λ的取值根據(jù)實(shí)際實(shí)驗(yàn)需要來(lái)確定；例如，100個(gè)同名點(diǎn)對(duì)(100對(duì)同名點(diǎn))得到100個(gè)ΔXY值，ΔXY值的區(qū)間為0～8，步長(zhǎng)λ＝0.5，則種類數(shù)n＝16；即將ΔXY值的區(qū)間按照一定步長(zhǎng)λ等分為n段，等分的每一段ΔXY值區(qū)間為一個(gè)種類，每段ΔXY值區(qū)間的差值均為λ。

(2)ΔXY值的集合中，統(tǒng)計(jì)每個(gè)子區(qū)間內(nèi)包含的殘差值個(gè)數(shù)；包括：

統(tǒng)計(jì)每一種類中的ΔXY值的數(shù)量值m，依次為m₁，m₂，……m_k(k＝1，2，……n)，式中m_k是第k種殘差值ΔXY的個(gè)數(shù)；如上例中，在k＝1時(shí)，該種類的ΔXY值區(qū)間為0～0.5(λ＝0.5)，則m₁的值就是位于0～0.5區(qū)間內(nèi)的ΔXY值的數(shù)量，如果100個(gè)ΔXY值中有20個(gè)位于0～0.5區(qū)間，則m₁的值為20；同理k＝n＝16時(shí)，該種類對(duì)應(yīng)ΔXY值區(qū)間7.5～8，如果100個(gè)ΔXY值中有3個(gè)位于區(qū)間7.5～8中，則m_k的值為3。

(3)按照殘差值個(gè)數(shù)的多少，將子區(qū)間從小到大排序并編號(hào)；包括：

統(tǒng)計(jì)各ΔXY值種類對(duì)應(yīng)的m值并按照從小到大的順序進(jìn)行排序，然后依次編號(hào)為j₁，j₂，……，j_k(k＝1,2,……,n)；假設(shè)n＝3，其中m₁＝20，m₂＝3，m₃＝7，則排序?yàn)閙₂，m₃，m₁，編號(hào)分別為j₁，j₂，j₃。

(4)根據(jù)：計(jì)算，將該些子區(qū)間中的同名點(diǎn)對(duì)剔除，剩余同名點(diǎn)對(duì)參與計(jì)算變換模型參數(shù)；包括：

由各ΔXY值種類對(duì)應(yīng)的m值得到的排序中，根據(jù)式

其中j_i是編號(hào)j_i對(duì)應(yīng)的m的值，i＝1,2,……,n；

剔除編號(hào)j₁，j₂，……，j_i對(duì)應(yīng)的ΔXY值的同名點(diǎn)對(duì)，利用剩余同名點(diǎn)對(duì)(編號(hào)j_i+1～j_k對(duì)應(yīng)的ΔXY值的同名點(diǎn)對(duì))計(jì)算變換模型參數(shù)。

在實(shí)際應(yīng)用中，認(rèn)為出現(xiàn)概率小的同名點(diǎn)即為粗差點(diǎn)，使其不參與變換模型計(jì)算；本發(fā)明中：數(shù)量從小到大排序，其中數(shù)量較小的某幾個(gè)ΔXY值區(qū)間中同名點(diǎn)對(duì)數(shù)量之和/總同名點(diǎn)對(duì)數(shù)量，比值小于5％，則該幾個(gè)區(qū)間中的同名點(diǎn)即為粗差點(diǎn)：

其中同名點(diǎn)對(duì)數(shù)量＝殘差值數(shù)量；

那么，按照從小到大排序，j₁，j₂，……，j_i中所對(duì)應(yīng)的同名點(diǎn)對(duì)就都是粗差點(diǎn)對(duì)，剔除這些粗差點(diǎn)對(duì)，利用剩余同名點(diǎn)對(duì)計(jì)算變換模型參數(shù)。

由于子區(qū)間是按照其包含的殘差值個(gè)數(shù)多少進(jìn)行自小到大的排序，因此，該排序本身就是一個(gè)比較的結(jié)果，排序靠前(至少排序在中間之前的均屬于靠前)的子區(qū)間說(shuō)明其包含的殘差值個(gè)數(shù)相對(duì)較少，故而從第一個(gè)子區(qū)間開(kāi)始向后，將這些子區(qū)間內(nèi)的同名點(diǎn)對(duì)數(shù)量相加，然后將相加結(jié)果比總的同名點(diǎn)對(duì)數(shù)量，得到的比值與0.5比較；當(dāng)加到某一個(gè)子區(qū)間(j_i)時(shí)，得到的所述比值小于0.5，而加上該子區(qū)間后面的子區(qū)間(j_i+1)同名點(diǎn)對(duì)數(shù)量的和與總同名點(diǎn)對(duì)數(shù)量的比值大于0.5，則該子區(qū)間(j_i)為分界點(diǎn)，該子區(qū)間(j_i)之前的子區(qū)間以及包括該子區(qū)間在內(nèi)，全部刪除。

在這過(guò)程中會(huì)刪除誤匹配點(diǎn)，也可能刪除部分正確的匹配點(diǎn)，但最后保留下來(lái)的都是高精度、可靠的匹配點(diǎn)。本發(fā)明方法能夠有效剔除初始匹配中的粗差點(diǎn)，獲得精確的匹配點(diǎn)子集，然后利用這些精確匹配的點(diǎn)集來(lái)計(jì)算變換模型參數(shù)，從而實(shí)現(xiàn)圖像的正確鑲嵌。

由于直接采用最小二乘法得不到正確的圖像平面間的變換模型參數(shù)，因此要采用合適的粗差剔除方法剔除粗差點(diǎn)，常用的魯棒算法有M估值法，LMS(Least Median of Squares，最小中值法)、MLESAC算法(極大似然估計(jì)算法)、RANSAC(Random Sample Consensus，隨機(jī)采樣一致性)算法；但是魯棒隨機(jī)采樣算法受經(jīng)驗(yàn)閾值選擇好壞的影響，閾值過(guò)大或過(guò)小，都有可能導(dǎo)致隨機(jī)采樣一致性算法無(wú)法解算出正確地參數(shù)，直接影響算法解算的精度，對(duì)局部變形及無(wú)規(guī)律扭曲變形的情況適應(yīng)性較差。但本發(fā)明方法經(jīng)過(guò)多次統(tǒng)計(jì)和排序，能夠快速得到可用同名點(diǎn)集，且得到的點(diǎn)集結(jié)果精確可靠，避免隨機(jī)因素對(duì)結(jié)果的干擾，從而保證得到正確的鑲嵌影像。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。